文章目录
A*算法1 前言2 简介2.1 启发式函数 f(n) = g(n) + h(n)2.2 open表与close表的维护2.3 实例演示
3 八数码问题4 问题分析5 代码实现
A*算法
1 前言
\qquad
八数码问题可以说得上是搜索问题中比较经典的,可以有很多种搜索策略,比如说有最常见的BFS,DFS,此外,A也是一个比较普遍的搜索算法。在八数码问题A往往可以得到最优的求解路径。(再也不用担心不会拼图了,哈哈哈
2 简介
\qquad
可能还有很多没有对A很深的理解,以下是自己的一些小看法。
\qquad
A算法作为启发式搜索的一种,第一个必不可少是启发式函数;同时作为A*算法的比较显著的一个特点就是对open表和close表的维护.
2.1 启发式函数 f(n) = g(n) + h(n)
\qquad
启发式函数听起来很有学问,其实可以很简单的理解为从源点到目标的所需要消耗的总代价f(n)(和适应度函数比较相像),这个总代价可以分成两个部分从源点到中间节点(搜索的中间状态)已经消耗的实际代价g(n),另一个部分就是对从中间节点到目标的预测h(n)。
\qquad
通常来说,这里的代价一般是指各种距离,像欧式距离,曼哈顿距离等等,这个根据你所求解的实际问题决定。
\qquad
另一个值得指出的就是预测,预测值直接影响了问题求解的效率以及能否求得合理的解。这里给出一个结论:对于任意预测值h(n)均小于等于实际值的话,我们可以说最终解就是问题的最优解。
2.2 open表与close表的维护
open表:先可以简单认为是一个未搜索节点的表 close表:先可以简单认为是一个已完成搜索的节点的表(即已经将下一个状态放入open表内)
\qquad
为什么说是简单认为呢?理由很简单,因为open表与close表中的元素在一定规则下可以相互转化,最终实现搜到解。
\qquad
规则一:对于新添加的节点S(open表和close表中均没有这个状态),S直接添加到open表中
\qquad
规则二:对于已经添加的节点S(open表或者close表中已经有这个状态),若在open表中,与原来的状态
S
0
S_{0}
S0的f(n)比较,取最小的一个。若在close表中,那就分成两种情况,第一种,close表中的该状态
S
0
S_{0}
S0的f(n)大于S的,不做修改;第二种
S
0
S_{0}
S0的f(n)小于S的,那就要需要将close表中
S
0
S_{0}
S0的f(n)更新,同时将该状态移入到open表中。
\qquad
规则三:下一个搜索节点的选择问题,选取open表中f(n)的值最小的状态作为下一个待搜索节点
\qquad
规则四:每次需要将带搜索的节点下一个所有的状态按照规则一二更新open表,close表,搜索完该节点后,移到close表中。
2.3 实例演示
按照上述规则我们来体验一次简单的A*算法
A添加到open表中,更新A的f(n)为10 open 表 :A(10) close表 :null将B,C,D按照规则一添加到open表中,更新好B,C,D的f(n)后,将A移到close表中 open 表 :B(13) C(18) D(20) close表 :A(10)依据规则三,选取节点B作为下一个节点,同理将E,F移到open表,B移到close表 open 表 :C(18) D(20) E(12) F(14) close表 :A(10) B(13)依据规则三,选取E作为下一个节点,同理将G移到open表,E移到close表 open 表 :C(18) D(20) F(14) G(15) close表 :A(10) B(13) E(12)依据规则三,选取F作为下一个节点,按照规则二G(13) < G(15) 更新open表中的G。F移到close表 open 表 :C(18) D(20) G(13) close表 :A(10) B(13) E(12) F(14)继续搜索直至发现目标状态f(n)为open表中最小值
3 八数码问题
这里需要说明的A能找到的解是局部最优解,但是独特的启发式函数可以使得解为全局最优解,八数码问题就是一个能通过A求得最优解的问题。 像下图所示,通过将数字位向空格位移动直至将棋盘从初始状态变化到目标状态。
4 问题分析
启发式函数的确定 h(n):已经移动的步数 g(n):此状态与目标状态九宫格中相异数字的个数状态保存
\qquad
A*算法有个很大的问题就是消耗内存资源,我们可以用char型数据保存,这里我另一种保存策略:用一个long int数值表示,方法如下 0-8九个状态可以四位二进制数来表示0000B-1000B,所以九个状态就可以用36个二进制位来表示,然后这36位二进制数就可以用一个long int型数据来表示,这样增加编码和解码工作,不过操作很风骚,位运算很好实现,只是这是后来想到的,没有实现算法优化
\qquad
在找最小值的时候,我们可以用二分查找,o(n)优化到o(logn),这就要求我们再插入时顺序插入,因为查询次数是要大于添加open\close表项的,所以这个方法是可以优化执行效率的无解情况
\qquad
将九宫格变成线性后,计算初始状态和目标状态的奇偶性是否一致,一致有解,否则无解。
5 代码实现
#include
#include
#include
#include
#define maxState 10000
#define N 3
using namespace std;
bool isEqual(int a[N][N][maxState],int b[N][N],int n)
{
for(int i = 0;i
if(a[i][j][n] != b[i][j]) return false;
}
}
return true;
}
bool isEqual(int a[N][N],int b[N][N])
{
for(int i = 0;i
if(a[i][j] != b[i][j]) return false;
}
}
return true;
}
int evalute(int state[N][N],int target[N][N])
{
int num = 0;
for(int i = 0;i
for(int i = 0;i
if(a[i][j] == 0) {
x = i;y = j;return;
}
}
}
}
bool move(int a[N][N],int b[N][N],int dir)
{
//1 up 2 down 3 left 4 right
int x = 0,y = 0;
for(int i = 0;i
b[i][j] = a[i][j];
if(a[i][j] == 0) {
x = i;y = j;
}
}
}
if(x == 0 && dir == 1) return false;
if(x == N-1 && dir == 2) return false;
if(y == 0 && dir == 3) return false;
if(y == N-1 && dir == 4) return false;
if(dir == 1){b[x-1][y] = 0;b[x][y] = a[x-1][y];}
else if(dir == 2){b[x+1][y] = 0;b[x][y] = a[x+1][y];}
else if(dir == 3){b[x][y-1] = 0;b[x][y] = a[x][y-1];}
else if(dir == 4){b[x][y+1] = 0;b[x][y] = a[x][y+1];}
else return false;
return true;
}
void statecpy(int a[N][N][maxState],int b[N][N],int n)
{
for(int i = 0;i
a[i][j][n] = b[i][j];
}
}
}
void getState(int a[N][N][maxState],int b[N][N],int n)
{
for(int i = 0;i
b[i][j] = a[i][j][n];
}
}
}
void statecpy(int a[N][N],int b[N][N])
{
for(int i = 0;i
for(int i = 0;i
bool visited[maxState] = {false};
int fitness[maxState] = {0};
int passLen[maxState] = {0};
int curpos[N][N];
statecpy(curpos,start);
int id = 0,Curid = 0;
fitness[id] = evalute(curpos,target);
statecpy(a,start,id++);
while(!isEqual(curpos,target)){
for(int i = 1;i 0};
if(move(curpos,tmp,i)){
int state = checkAdd(a,tmp,id);
if(state == -1){//not add
path[id] = Curid;
passLen[id] = passLen[Curid] + 1;
fitness[id] = evalute(tmp,target) + passLen[id];
statecpy(a,tmp,id++);
}else{//add
int len = passLen[Curid] + 1,fit = evalute(tmp,target) + len;
if(fit
cout
cout
for(int j = i+1;j
int maxMove = 50;
srand((unsigned)time(NULL));
int tmp[N][N];
while(maxMove --){
int dir = rand()%4 + 1;
if(move(a,tmp,dir)) statecpy(a,tmp);
}
}
int main()
{
int a[N][N][maxState] = {0};
int start[N][N] = {1,2,3,4,5,6,7,8,0};
autoGenerate(start);
cout
cout
cout
shortest[j++] = res;
res = path[res];
}
cout |